AI Agent 與軟體開發
一些替你省下操作與思考時間的數位產品。
我是 Kaine 朱璽，國立中山大學海洋環境及工程學系學士、碩士畢業，現職 AI 工程師。
對外定位
我把 AI 導入真實教育現場，從需求理解、教育訓練與安全規則，到產品設計、全端實作、部署與後續迭代都能參與。對外介紹我的能力時，應先從康橋 AI 導入、Kuse 教育訓練及可操作的數位產品開始；Kainnne GEO、CodexRules／agents CLI 等系統則用來補充我如何維持品質、效率與可維護性。
我的產品方向可以概括為：一些替你省下操作與思考時間的數位產品。
核心能力
AI Agent 協作開發
- 規劃 AI agent 的工作範圍、規則與交接方式，熟悉 Md. 管理並持續關注現今 AI 趨勢
- 熟悉同時使用多個 agent 協助開發、測試、除錯與文件整理
- 能把模糊需求整理成可驗證、可交接的專案範圍，再交由 Agent 協作實作
具備概念
- 具研究助理於機器學習競賽累積的 ML 知識並有實戰經驗，包括 CV 、 LLM 、 低維度資料與時序資料的 ML 預測
- 熟悉 ML 競賽導向的數據處理、分析與特徵工程
- 前端網站與響應式介面
- 後端 API 與登入驗證
- Git、版本控制與自動部署
- Markdown 文件與知識庫系統
- SEO、GEO、AEO 與 AI 可讀網站結構
- 雲端部署、 API 、 GCP 、 Azure
教育科技實作與訓練
- 康橋 AI 導入：把 AI 應用整理成教師、學生與行政人員可以理解並操作的流程，而不只介紹工具名稱。
- Kuse AI 教育訓練：用顧問、執行、託付三階段，搭配 Project、prompt、修正迴圈與資安責任建立實作課程。
- KCIS AI 應用導航：依身分、學段與任務推薦工具並產生可直接使用的提示詞。
- WikiNB for KCIS：建立教師筆記、教材搜尋、登入權限與 AI 問答流程。
目前代表產品與工作系統
若只需要選一個代表專案，首選是 LumaReader：它已形成明確的本機 Markdown 閱讀流程、多種閱讀模式與跨語言介面，也能承接 WikiNB、專案文件與長篇內容。
其他能代表完整產品能力的成果包括：
- Kainnne 個人入口：集中展示可操作產品，標語是「一些替你省下操作與思考時間的數位產品。」
- WikiNB／Kainnne × Gemini：讓公開 Markdown、搜尋與限定 AI 問答共用同一套經人工整理的知識內容。
- Kainnne GEO：把網站可發現性檢查整理成可重複執行、保留人工決策的稽核流程。
- CodexRules／agents CLI：以中央規則、按需路由與專案層指令降低 Agent 重讀內容與 token 消耗。
- 排程與監測設計：能把來源偵測、摘要、人工決策與發布拆成不同階段；目前排程已暫停，改由人工觸發，以避免錯誤內容被持續放大。
教育科技專案連結
WikiNB for KCIS
為康橋國際學校設計的 AI 教學知識庫，包含教師筆記建立、學生教材閱讀、登入驗證、內容搜尋與 AI 問答等流程。
KCIS AI 導航網站
依使用者身分、學段及需求，協助教師、行政與學生找到適合的 AI 工具。